专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果60个,建议您升级VIP下载更多相关专利
  • [发明专利]一种软件缺陷预测方法-CN202310959275.7在审
  • 申情;周展;赵康;楼俊钢 - 湖州师范学院
  • 2023-08-01 - 2023-10-13 - G06F11/36
  • 本发明公开了一种软件缺陷预测方法,涉及软件缺陷预测领域。包括:提取软件源代码的抽象语法树中节点构成的节点序列;将节点序列中每个节点的父节点和子节点作为上下文节点;计算上下文节点与上下文节点之间的中心节点的相似性,得到相似性矩阵;将相似性矩阵与CBOW模型的隐藏层的矩阵v相乘并进行加权求和,将加权求和的结果与CBOW模型输出层的核w相乘后输出节点向量;及将输出的节点向量整理成节点向量表;根据节点向量表,将节点序列的节点转化为向量表示后,提取向量化后的节点序列的特征;将特征输入到分类器中,得到软件是否存在缺陷的预测结果。本发明可以预测软件缺陷。
  • 一种软件缺陷预测方法
  • [发明专利]一种采用异构图神经网络的社交兴趣嵌入方法-CN202310742389.6在审
  • 楼俊钢;金阳;覃荣臻;申情 - 湖州师范学院
  • 2023-06-21 - 2023-08-29 - G06F16/9536
  • 本申请涉及图神经网络技术领域,其具体地公开了一种采用异构图神经网络的社交兴趣嵌入方法,其包括,获取会话序列,以及,用户社交网络;以及,使用基于图神经网络的嵌入模块对所述会话序列和所述用户社交网络进行处理以得到包含社交兴趣信息的用户和物品嵌入表示。其引入用户社交关系并对图数据中的部分连接边进行改造,进而改善强关联节点之间的信息连通性,弥补中存在的信息缺失问题,减少模型学习的难度。通过这样的方式来使得嵌入表示学习引入了用户社交影响以及用户和物品的交互信息,可以帮助提升下游模型的鲁棒性。
  • 一种采用构图神经网络社交兴趣嵌入方法
  • [发明专利]一种基于强化学习的四旋翼飞行器轨迹跟踪控制方法-CN202211226778.5在审
  • 刘洋;徐一超;卢剑权;楼俊钢 - 浙江师范大学
  • 2022-10-09 - 2023-07-07 - G05D1/12
  • 本发明提供了一种基于强化学习的四旋翼飞行器轨迹跟踪控制方法,属于四旋翼飞行器轨迹跟踪控制技术领域,包括:建立四旋翼飞行器的物理模型,并设定其所需要跟踪的目标轨迹跟踪效果的约束条件;根据约束条件设定性能指标函数L;搭建四旋翼飞行器的仿真模型和PID控制模块,设定初始PID参数;根据性能指标函数L设置强化学习中的reward函数,将PID参数选为强化学习的中的action,约束条件作为强化学习的isdone条件,搭建强化学习框架进行学习,得到最优PID控制参数;利用最优PID控制参数下的PID控制器控制四旋翼飞行器的期望姿态角和期望拉力,来控制四旋翼飞行器跟踪目标轨迹飞行。该发明可利用强化学习整定PID控制参数。
  • 一种基于强化学习四旋翼飞行器轨迹跟踪控制方法
  • [发明专利]一种基于局部知识增强的深度集成方法-CN202211374654.1在审
  • 张雄涛;蒋云良;楼俊钢;邬惠峰;潘宇 - 湖州师范学院
  • 2022-11-04 - 2023-03-21 - G06F18/241
  • 本发明提出了一种基于局部知识增强的深度集成方法,包括以下两个阶段:S1.区域子集的知识扩展阶段:S1.1通过FCM算法将原始数据集划分为多个区域子集,S1.2在多个子集上训练局部分类模型DNN,各个DNN负责学习相应的局部样本;S1.3多重DNN以多机并行的方式执行,构成了栈式结构当中的一个层级,多层栈层的堆叠构建起深度集成模型(PH‑E‑DNN);S2.多模块的输出集成阶段:采用多数投票策略对全局分类模型DNN的全局输出进行组合,得到最终决策输出。该方法有利于提高整体分类性能,充分调动可用计算资源,可适用于并行处理环境。
  • 一种基于局部知识增强深度集成方法
  • [发明专利]一种面向软件缺陷预测的新型过采样方法-CN202210990440.0在审
  • 楼俊钢;牛辰煜;申情;陈林;沈张果;卢剑权 - 湖州师范学院
  • 2022-08-18 - 2022-12-30 - G06F11/36
  • 本发明提出了一种面向软件缺陷预测的新型过采样方法,包括以下步骤:S1.聚类:采用迭代分区过滤器IPF对原始数据集进行粗过滤,然后使用K‑means聚类算法对粗过滤后的数据集进行聚类处理,并根据设定的阈值筛选出少数类样本稀疏分布的簇,用于合成新样本;S2.过采样:使用SMOTE合成少数过采样技术作为合成新的少数类样本的过采样算法,在由步骤S1筛选出的簇内进行过采样来生成新的少数类样本;S3.噪声过滤:采用迭代分区过滤器IPF作为处理噪声的过滤器,清除步骤S2所得数据集中残留的噪声样本。该新型过采样方法能够减少新的噪声样本的产生,缓解不同类间的重叠现象,使得样本数量以及分布更加平衡,决策边界更加清晰。
  • 一种面向软件缺陷预测新型采样方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top